思维导图笔记
算法原理推导过程
代码实现
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
# 创建一个只有2个特征的测试数据
X = np.empty((100, 2))
X[:, 0] = np.random.uniform(0., 100.0, size=100)
# 为了直观查看PCA后的效果,在这里初始化时候让两个特征值具有线性关系
X[:, 1] = X[:, 0] * 0.75 + 3.0 + np.random.normal(0, 10.0, size=100)
# 降维后的w向量
final_w = None
def demean(X):
"""
进行均值为0的处理
:param X: 为一个矩阵
:return:
"""
return X - np.mean(X, axis=0)
def draw_graph():
"""